MétaCan
Menu
Retour à la cohorte
Enregistrement W3026586230 · doi:10.3389/fvets.2020.00359

The Extent and Structure of Peri-urban Smallholder Dairy Farming in Five Cities in India

2020· article· en· W3026586230 sur OpenAlexfundno aff
Johanna F. Lindahl, Abhimanyu Singh Chauhan, Jatinder Paul Singh Gill, Razibuddin Ahmed Hazarika, Mohamed Nadeem Fairoze, Delia Grace, Abhishek Gaurav, Sudhir Kumar Satpathy, Manish Kakkar

Notice bibliographique

RevueFrontiers in Veterinary Science · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Disease Management and Epidemiology
Établissements canadiensnon disponible
Organismes subventionnairesConsortium of International Agricultural Research CentersInternational Development Research Centre
Mots-clésMilkingLivestockDairy farmingAgricultureAgricultural scienceGeographyBusinessAgricultural economicsSocioeconomicsBiologyEconomics

Résumé

récupéré en direct d'OpenAlex

Livestock keeping is common in many cities in India, driven by the demand for animal-source foods, particularly perishable milk. We selected five cities from different regions of the country and conducted a census in 34 randomly selected peri-urban villages to identify and describe all smallholder dairy farms. In total 1,690 smallholder dairy farms were identified, keeping on average 2.2 milking cows and 0.7 milking buffaloes. In Bhubaneswar, the proportion of cows milking was only 50%, but in other cities it was 63-73%. In two of the five cities, more than 90% of the farmers stated that dairy production was their main source of income, while <50% in the other cities reported this. In one of the cities, only 36% of the households kept milk for themselves. Market channels varied considerably; in one city about 90% of farms sold milk to traders, in another, 90% sold to the dairy cooperative, and in another around 90% sold directly to consumers. In conclusion, peri-urban dairy systems in India are important but also varying between different cities, with only one city, Bengaluru, having a well-developed cooperative system, and the northeastern poorer region being more dependent on traders. Further studies may be needed to elucidate the importance and to design appropriate developmental interventions.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,206

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,027
Tête enseignante GPT0,232
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Veterinary ScienceMême sujetAnimal Disease Management and EpidemiologyTravaux en français237 207